تجهیزات بازرسی بصری هوشمند قطعات صنعتی

به عنوان شرکت شناخته شده تجهیزات اتوماسیون هوشمند بسته بندی داخلی و خارجی,شرکت اتوماسیون سرزمینی شانگهایخدمات فنی این شرکت راه حل های فنی تجهیزات بازرسی بصری هوشمند را برای تولید چین با قطعات صنعتی همگام بین المللی فراهم می کند. تجهیزات بازرسی بصری هوشمند قطعات صنعتیاستفاده از: داروسازی، مواد غذایی، نوشیدنی، شیمیایی روزانه، محصولات بهداشتی، الکترونیک، لوازم برقی، شیمیایی، صنعت خودرو و پلاستیک و سخت افزار!

تشخیص بصری هوشمند قطعات صنعتیتجهیزاتدرتکنولوژی پردازش تصویر دیجیتال یک صنعت فناوری در حال ظهور استدر حال حاضر در زمینه های سیستم های اتوماسیون، تشخیص قطعات خودرو و شناسایی هوشمند استفاده می شود. این به یکی از راه حل های مهم برای تشخیص های سنتی با سرعت آهسته و کارایی پایین تبدیل شده است. از آنجا که قطعات صنعتی در تولید واقعی دارای نقص های زیادی در مورد جزئیات هستند، لازم است که الگوریتم های مناسب را برای شناسایی دقیق و تست آنها انتخاب کنید. این مقاله برای قطعات پشت صفحه جعبه جذب انرژی خودرو، طرح کلی سیستم تشخیص تصویر طراحی شده است، یک پلتفرم سخت افزاری آزمایشی ایجاد شده است و ترکیب دستگاه های مختلف و سیستم های روشنایی مورد استفاده سیستم بصری را به طور دقیق توضیح می دهد، سپس سیستم دوربین را پیمانبندی می کند، اصلاح اثر تحریف را تکمیل می کند. پس از دریافت تصویر اصلاح شده، تحقیقات متمرکز بر تکنیک های کلیدی مانند پیش پردازش تصویر، تشخیص لبه، اندازه گیری پارامترهای هندسی قطعات انجام شد. در پیش پردازش، ابتدا دسته های سر و صدا تصویر را تجزیه و تحلیل می کنیم، الگوریتم های فیلتر متعدد را مقایسه می کنیم تا الگوریتم فیلتر مناسب برای تصویر در این مقاله را پیدا کنیم. علاوه بر این، در تشخیص لبه تصویر، الگوریتم تشخیص لبه کلاسیک مقایسه می شود و پایه ای برای استخراج ویژگی های بعدی فراهم می کند. در تشخیص ویژگی های اساسی تصویر، دایره ها و خطوط مستقیم در تصویر به ترتیب تشخیص داده می شوند و پارامترهای نتایج تشخیص بهینه شده است تا اثر تشخیص دایره ها و خطوط مستقیم را بهبود بخشد. هنگام تشخیص شکاف در تصویر، الگوریتم تطبیق قالب برای شناسایی دقیق موقعیت شکاف استفاده می شود. پس از آزمایش اندازه قطعات، این مقاله همچنین سه روش شناسایی طبقه بندی قطعات سالم، قطعات نقطه جوشکاری و قطعات خراش را بررسی کرده است. اولا، از طریق تشخیص لبه، بر اساس تضمین شفاف و کامل لبه تصویر، با استفاده از الگوریتم هیستوگرام جهت گرادیانت برای استخراج ویژگی ها و استفاده از شبکه عصبی احتمالی و SVM برای شناسایی طبقه بندی، نتایج طبقه بندی خوب را به دست آورد. با این حال، ابعاد وکتور ویژگی بالاتر هستند و اطلاعات استخراج ویژگی مخلوط شده اند، به طوری که استفاده کامل از اطلاعات کلیدی تصویر دشوار است. در متن، الگوریتم هیستوگرام جهت گرادیانت بهبود یافته است، الگوریتم استخراج ویژگی های هیستوگرام جهت گرادیانت را با ترکیب دو خطی ترکیب می کند، وکتور ویژگی هایی را که می توانند ویژگی های جزئیات را نشان دهند، و سپس با استفاده از شبکه های عصبی و دستگاه های وکتور پشتیبانی شده برای شناسایی، در حالی که اثر ضد مخلوط ارزش ویژگی را بهبود می بخشد، همچنین دقت شناسایی طبقه بندی تصویر را بهبود می بخشد. اجرای این ماژول بر اساس Visual C ++ و MATLAB، از جمله توسعه رابط سیستم بصری و نوشتن الگوریتم است. این مقاله تشخیص ویژگی های قطعات را با انواع مختلف قطعات طبقه بندی شناسایی می کند. یافته های این مقاله ارزش مهندسی را نشان می دهند و در عین حال اهمیت خاصی را برای کاربرد فناوری اندازه گیری تصویر و شناسایی طبقه بندی قطعات فراهم می کنند.

تجهیزات بازرسی بصری هوشمند

به عنوان یک شرکت تحقیق و توسعه تجهیزات اتوماسیون هوشمند بسته بندی شناخته شده در داخل و خارج از کشور، شرکت فناوری اتوماسیون شانگهای لوجیا، با مسئولیت محدود راه حل های فنی را برای صنعت تولید چین برای همگام سازی تجهیزات بازرسی بصری هوشمند برای قطعات صنعتی ارائه می دهد. به طور گسترده ای در: داروسازی، مواد غذایی، نوشیدنی، شیمیایی روزانه، محصولات مراقبت های بهداشتی، الکترونیک، لوازم الکتریکی، مواد شیمیایی، صنعت خودرو و صنایع پلاستیک و سخت افزار استفاده می شود!

تجهیزات بازرسی بصری هوشمند برای اجزای صنعتی یک صنعت فناوری در حال ظهور در فناوری پردازش تصویر دیجیتال است. این به طور گسترده ای در سیستم های اتوماسیون، بازرسی قطعات خودرو و شناسایی هوشمند استفاده شده است. این به یکی از راه حل های مهم برای تشخیص دستی آهسته و کارایی تشخیص پایین تبدیل شده است. به دلیل نقص در جزئیات قطعات صنعتی در تولید واقعی، لازم است از یک الگوریتم مناسب برای شناسایی دقیق و تشخیص آنها استفاده شود. در این مقاله، طرح کلی سیستم تشخیص تصویر برای بخش پشت جعبه جذب انرژی خودرو طراحی شده است. پلتفرم سخت افزاری تجربی ساخته شده و اجزای اجزای مختلف و سیستم های روشنایی مورد استفاده در سیستم بینایی به طور دقیق معرفی شده است. سپس سیستم دوربین کالیبراسیون شده و تکمیل شده است. اصلاح اثرات تحریف پس از بدست آوردن تصویر اصلاح شده، فناوری های کلیدی مانند پیش پردازش تصویر، تشخیص لبه و اندازه گیری پارامتر هندسی بخش مورد مطالعه قرار گرفتند. در پیش پردازش، کلاس سر و صدا تصویر ابتدا تجزیه و تحلیل می شود و الگوریتم های مختلف فیلتر برای پیدا کردن الگوریتم فیلتر مناسب برای تصویر مقایسه می شود. علاوه بر این، در تشخیص لبه تصویر، الگوریتم تشخیص لبه کلاسیک مقایسه می شود که اساس استخراج ویژگی های بعدی را فراهم می کند. هنگام تشخیص ویژگی های اساسی تصویر، دایره ها و خطوط در تصویر به طور جداگانه تشخیص داده می شوند و پارامترهای نتیجه تشخیص برای بهبود اثر تشخیص دایره و خط بهینه شده اند. هنگام تشخیص شکاف در تصویر، یک الگوریتم تطبیق قالب برای شناسایی دقیق موقعیت شکاف استفاده می شود. پس از بازرسی اندازه قطعه، روش های طبقه بندی و شناسایی قطعات سالم، قطعات مفصل لحام و قطعات خراش نیز مورد بررسی قرار گرفت. اول، از طریق تشخیص لبه، بر اساس اطمینان از شفاف و کامل لبه تصویر، الگوریتم هیستوگرام جهت گرادینت برای استخراج ویژگی ها استفاده می شود و شبکه عصبی احتمالی و SVM برای طبقه بندی و تشخیص استفاده می شوند و اثر طبقه بندی خوب بدست می آید. با این حال، ابعاد وکتور ویژگی بالا است و اطلاعات استخراج ویژگی مستعار شده است، به طوری که استفاده کامل از اطلاعات کلیدی تصویر دشوار است. در این مقاله، الگوریتم هیستوگرام جهت گرادینت بهبود یافته و الگوریتم استخراج ویژگی هیستوگرام جهت گرادینت تقریباً دو طرفه interpolated شده است. وکتور ویژگی که می تواند ویژگی های دقیق را منعکس کند بدست می آید و سپس شبکه عصبی و دستگاه وکتور پشتیبانی برای تشخیص استفاده می شود. اثر ضد مستعار ارزش همچنین دقت طبقه بندی و تشخیص تصاویر را بهبود می بخشد. اجرای تمام ماژول های این موضوع بر اساس Visual C ++ و MATLAB، از جمله توسعه رابط سیستم بصری و نوشتن الگوریتم است. این مقاله تشخیص ویژگی های قطعات و طبقه بندی و شناسایی انواع مختلف قطعات را درک می کند. نتایج تحقیق در این مقاله منعکس کننده یک ارزش مهندسی خاص است و برخی از مرجع ها را برای کاربرد فناوری اندازه گیری تصویر و طبقه بندی و شناسایی قطعات فراهم می کند.